Mimir: Physics-Grounded LLM Agents for Long-Horizon Irrigation Control
作者: Yimeng Liu, Mi Zhang, Younsuk Dong, Zhichao Cao
分类: cs.AI
发布日期: 2026-10-01
💡 一句话要点
提出Mimir以解决长时间段灌溉控制问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 灌溉控制 物理模型 自我改进 环境监测 智能农业
📋 核心要点
- 现有的LLM代理在长时间物理控制任务中面临累积错误和反馈延迟的问题，导致决策效率低下。
- Mimir通过引入快速和慢速修复时间尺度，结合结构化物理接口和确定性模拟器，实现了有效的灌溉控制。
- 实验结果显示，Mimir在多个评估中实现了最低的控制成本，并显著减少了灌溉用水，展示了其优越性。
📝 摘要（中文）
大型语言模型（LLM）代理越来越多地结合推理、工具使用和行动，但大多数证据来自于具有相对即时反馈和重置失败的短期任务。长时间的物理控制在不同的范畴内运作：行动改变未来状态，错误在决策中累积，代理必须在不允许重写物理规则的情况下从经验中改进。我们通过灌溉研究这一范畴，提出了Mimir，一个基于物理的LLM代理，围绕两个修复时间尺度组织。在快速时间尺度上，结构化的物理接口和确定性模拟器将LLM输出转化为提案，并在执行前进行数值检查、修订和有界确定性动作选择。在慢速时间尺度上，重复的失败模式被整合为持久的上下文原则，以调节未来的提案。Mimir在多个地点、作物和年份的共同回顾评估中，达到了最低的控制成本，并比历史调度重放减少了约51%的灌溉量。
🔬 方法详解
问题定义：本论文旨在解决长时间段灌溉控制中的决策累积错误和反馈延迟问题。现有方法在面对复杂的物理系统时，往往无法有效应对这些挑战。
核心思路：Mimir的核心思路是通过引入两个修复时间尺度来优化决策过程，快速时间尺度用于即时反馈和调整，而慢速时间尺度则用于总结和应用长期经验。
技术框架：Mimir的整体架构包括两个主要模块：快速时间尺度的结构化物理接口和确定性模拟器，以及慢速时间尺度的上下文原则整合。快速模块负责生成和验证提案，慢速模块则负责学习和应用历史经验。
关键创新：Mimir的最大创新在于将物理模型与LLM结合，形成了一种新的代理机制，使其能够在不改变物理规则的情况下进行自我改进。这种设计与传统的LLM应用有本质区别。
关键设计：在设计中，Mimir采用了有界的确定性动作选择机制，并通过数值检查和修订来确保提案的可行性。此外，持久的上下文原则用于调节未来的决策，确保代理在复杂环境中的稳定性和有效性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，Mimir在多个地点和作物的评估中实现了最低的控制成本，较历史调度重放减少了约51%的灌溉用水。此外，消除前向模拟、验证修订或持久上下文会导致控制成本显著上升，表明这些设计的有效性。
🎯 应用场景
该研究的潜在应用领域包括农业灌溉管理、环境监测和智能农业系统。Mimir能够有效地优化水资源使用，减少浪费，提高作物产量，具有重要的实际价值和可持续发展潜力。未来，该方法可能扩展到其他长时间控制任务，如能源管理和生态系统监控。
📄 摘要（原文）
Large language model (LLM) agents increasingly combine reasoning, tool use, and action, but most evidence comes from episodic tasks with relatively immediate feedback and reset failures. Long-running physical control operates in a different regime: actions alter future states, errors compound across decisions, and an agent must improve from experience without being allowed to rewrite the physical rules that make execution safe. We study this regime through irrigation, where daily decisions interact with soil-water dynamics over entire growing seasons. We present Mimir, a physics-grounded LLM agent organized around two repair timescales. At the fast timescale, a structured physical interface and deterministic simulator turn an LLM output into a proposal that we numerically check, revise, and subject to bounded deterministic action selection before execution. At the slow timescale, recurrent failure patterns are consolidated into persistent contextual principles that condition future proposals, while the physical model, evaluator, and execution constraints remain immutable. Under a common retrospective evaluator across multiple sites, crops, and years, Mimir attains the lowest reported aggregate control cost among the evaluated references and uses about 51% less irrigation than the historical schedule replay. The ablation study show higher control cost when forward simulation, verified revision, or persistent context is removed; model-scale and model-family studies show no monotonic gain from increasing LLM size. The resulting lesson show that persistent physical agents can combine semantic reasoning with bounded, evidence-driven self-improvement while reserving physical truth and actuator authority for explicit numerical mechanisms.